یادداشت کی افادیت رہنمائی کرتی ہے جہاں دماغ اسے بچاتا ہے۔ کوانٹا میگزین

یادداشت کسی ایک سائنسی اسرار کی نمائندگی نہیں کرتی۔ یہ ان میں سے بہت سے ہیں. نیورو سائنسدان اور ماہر نفسیات مختلف قسم کی یادداشتوں کو پہچانتے ہیں جو ہمارے دماغ میں ایک ساتھ رہتی ہیں: ماضی کے تجربات کی ایپیسوڈک یادیں، حقائق کی معنوی یادیں، مختصر اور طویل مدتی یادیں، اور بہت کچھ۔ ان میں اکثر مختلف خصوصیات ہوتی ہیں اور ایسا لگتا ہے کہ دماغ کے مختلف حصوں میں واقع ہیں۔ لیکن یہ کبھی بھی واضح نہیں ہوسکا کہ میموری کی کون سی خصوصیت اس بات کا تعین کرتی ہے کہ اسے اس طرح کیسے اور کیوں ترتیب دیا جانا چاہیے۔

اب، مصنوعی عصبی نیٹ ورکس کا استعمال کرتے ہوئے تجربات سے حمایت یافتہ ایک نیا نظریہ تجویز کرتا ہے کہ دماغ یادوں کو ترتیب دے کر اس بات کا اندازہ لگا رہا ہے کہ مستقبل میں رہنما کے طور پر ان کے کارآمد ہونے کے کتنے امکانات ہیں۔ خاص طور پر، یہ تجویز کرتا ہے کہ پیش گوئی کرنے والی چیزوں کی بہت سی یادیں، جن میں حقائق سے لے کر مفید بار بار ہونے والے تجربات شامل ہیں — جیسے کہ آپ ناشتہ میں باقاعدگی سے کھاتے ہیں یا کام پر چلتے ہیں — دماغ کے نیوکارٹیکس میں محفوظ ہیں، جہاں وہ دنیا کے بارے میں عمومیت میں حصہ ڈال سکتی ہیں۔ یادوں کے کارآمد ہونے کا امکان کم ہے — جیسے کہ اس منفرد مشروب کا ذائقہ جو آپ نے اس پارٹی میں پیا تھا — کو سمندری گھوڑے کی شکل والے میموری بینک میں رکھا جاتا ہے جسے ہپپوکیمپس کہتے ہیں۔ یادوں کو اس طرح ان کی افادیت اور عمومی قابلیت کی بنیاد پر فعال طور پر الگ کرنے سے یادوں کی بھروسے کو بہتر بنایا جا سکتا ہے تاکہ ہمیں نئے حالات میں نیویگیٹ کرنے میں مدد ملے۔

نئے نظریہ کے مصنفین - نیورو سائنسدان وینن سن اور جیمز فٹزجیرالڈ ہاورڈ ہیوز میڈیکل انسٹی ٹیوٹ کے جینیلیا ریسرچ کیمپس کے، اینڈریو سیکس یونیورسٹی کالج لندن کے، اور ان کے ساتھیوں نے اس کی وضاحت کی۔ ایک حالیہ کاغذ in فطرت، قدرت عصبی سائنس. یہ اس اچھی طرح سے قائم شدہ خیال کو اپ ڈیٹ کرتا اور پھیلاتا ہے کہ دماغ کے دو منسلک، تکمیلی سیکھنے کے نظام ہیں: ہپپوکیمپس، جو تیزی سے نئی معلومات کو انکوڈ کرتا ہے، اور نیوکورٹیکس، جو اسے بتدریج طویل مدتی اسٹوریج کے لیے مربوط کرتا ہے۔

جیمز میک کلیلینڈ، اسٹینفورڈ یونیورسٹی کے ایک علمی نیورو سائنس دان جس نے یادداشت میں تکمیلی سیکھنے کے نظام کا خیال پیش کیا تھا لیکن وہ اس نئے مطالعے کا حصہ نہیں تھے، نے ریمارکس دیے کہ یہ "جنرلائزیشن کے ان پہلوؤں کو ایڈریس کرتا ہے" جن کے بارے میں ان کے اپنے گروپ نے سوچا بھی نہیں تھا جب انہوں نے یہ نظریہ پیش کیا تھا۔ 1990 کی دہائی کے وسط

سائنس دانوں نے تسلیم کیا ہے کہ یادداشت کی تشکیل کم از کم 1950 کی دہائی کے اوائل سے ہی ایک ملٹی اسٹیج عمل ہے، جس کا ایک حصہ ہنری مولائیسن نامی مریض کے بارے میں ان کے مطالعے سے ہے - جسے سائنسی ادب میں کئی دہائیوں تک صرف HM کے نام سے جانا جاتا ہے کیونکہ اسے بے قابو دوروں کا سامنا کرنا پڑا جو اس کے ہپپوکیمپس میں شروع ہوئے۔ ، سرجنوں نے دماغ کی اس ساخت کا زیادہ تر حصہ ہٹا کر اس کا علاج کیا۔ اس کے بعد، مریض زیادہ تر معاملات میں بالکل نارمل نظر آیا: اس کا ذخیرہ الفاظ برقرار تھا۔ اس نے اپنے بچپن کی یادوں کو برقرار رکھا اور اسے سرجری سے پہلے اپنی زندگی کی دیگر تفصیلات یاد تھیں۔ تاہم، وہ ہمیشہ اس کی دیکھ بھال کرنے والی نرس کو بھول گیا۔ اس دہائی کے دوران جب اس نے اس کی دیکھ بھال کی، اسے ہر صبح اپنے آپ کو نئے سرے سے متعارف کروانا پڑتا تھا۔ اس نے نئی طویل مدتی یادیں بنانے کی صلاحیت مکمل طور پر کھو دی تھی۔

مولائیسن کی علامات نے سائنسدانوں کو یہ دریافت کرنے میں مدد کی کہ نئی یادیں پہلے ہپپوکیمپس میں بنتی ہیں اور پھر آہستہ آہستہ نیوکورٹیکس میں منتقل ہوتی ہیں۔ تھوڑی دیر کے لئے، یہ بڑے پیمانے پر فرض کیا گیا تھا کہ یہ تمام مستقل یادوں کے لئے ہوا. تاہم، ایک بار جب محققین نے ایک دیکھنا شروع کیا۔ بڑھتی ہوئی تعداد یادوں کی مثالوں سے جو طویل مدت میں ہپپوکیمپس پر منحصر رہیں، یہ واضح ہو گیا کہ کچھ اور ہو رہا ہے۔

اس بے ضابطگی کے پیچھے کی وجہ کو سمجھنے کے لیے، نئے مقالے کے مصنفین نے مصنوعی اعصابی نیٹ ورکس کا رخ کیا، کیونکہ دماغ میں جڑے لاکھوں نیوران کا کام ناقابل یقین حد تک پیچیدہ ہے۔ Saxe نے کہا کہ یہ نیٹ ورک "حیاتیاتی نیوران کی تخمینی مثالی شکل" ہیں لیکن اصل چیز سے کہیں زیادہ آسان ہیں۔ زندہ نیوران کی طرح، ان کے پاس نوڈس کی پرتیں ہوتی ہیں جو ڈیٹا وصول کرتی ہیں، اس پر کارروائی کرتی ہیں، اور پھر نیٹ ورک کی دوسری تہوں کو وزنی آؤٹ پٹ فراہم کرتی ہیں۔ جس طرح نیوران اپنے synapses کے ذریعے ایک دوسرے پر اثر انداز ہوتے ہیں، اسی طرح مصنوعی عصبی نیٹ ورکس میں نوڈس دوسرے نوڈس کے آدانوں کی بنیاد پر اپنی سرگرمی کی سطح کو ایڈجسٹ کرتے ہیں۔

ٹیم نے ایک کمپیوٹیشنل فریم ورک تیار کرنے کے لیے تین نیورل نیٹ ورکس کو مختلف فنکشنز کے ساتھ جوڑا جس کو ٹیچر-نوٹ بک-سٹوڈنٹ ماڈل کہتے ہیں۔ اساتذہ کے نیٹ ورک نے اس ماحول کی نمائندگی کی جس میں ایک جاندار خود کو پا سکتا ہے۔ اس نے تجربے کی معلومات فراہم کیں۔ نوٹ بک نیٹ ورک ہپپوکیمپس کی نمائندگی کرتا ہے، جو استاد کے فراہم کردہ ہر تجربے کی تمام تفصیلات کو تیزی سے انکوڈ کرتا ہے۔ طالب علم کے نیٹ ورک نے نوٹ بک میں جو کچھ ریکارڈ کیا گیا تھا اس سے مشورہ کر کے استاد سے نمونوں پر تربیت حاصل کی۔ فٹزجیرالڈ نے کہا، "طلبہ کے ماڈل کا مقصد نیوران - نوڈس - کو تلاش کرنا ہے اور کنکشن سیکھنا ہے [بیان کرتے ہوئے] کہ وہ اپنی سرگرمی کے پیٹرن کو کیسے دوبارہ بنا سکتے ہیں۔"

نوٹ بک نیٹ ورک سے یادوں کے بار بار دہرائے جانے سے طالب علموں کے نیٹ ورک کو غلطی کی اصلاح کے ذریعے ایک عمومی نمونہ کی طرف راغب کیا گیا۔ لیکن محققین نے اس قاعدے کی ایک رعایت بھی دیکھی: اگر طالب علم کو بہت زیادہ غیر متوقع یادوں پر تربیت دی گئی تھی — شور والے سگنل جو باقی سے بہت زیادہ ہٹ گئے — اس نے طالب علم کی عمومی طرز کو سیکھنے کی صلاحیت کو کم کر دیا۔

ایک منطقی نقطہ نظر سے، "یہ بہت معنی رکھتا ہے،" سن نے کہا۔ اپنے گھر پر پیکجز وصول کرنے کا تصور کریں، اس نے وضاحت کی: اگر پیکج میں مستقبل کے لیے کوئی مفید چیز ہے، "جیسے کافی کے مگ اور ڈشز،" تو اسے اپنے گھر میں لانا اور اسے مستقل طور پر رکھنا مناسب لگتا ہے۔ لیکن اگر پیکج میں ہالووین پارٹی کے لیے اسپائیڈر مین کا لباس یا فروخت کے لیے بروشر ہے، تو اس کے ساتھ گھر کو بے ترتیبی کرنے کی ضرورت نہیں ہے۔ ان اشیاء کو الگ سے ذخیرہ کیا جا سکتا ہے یا پھینک دیا جا سکتا ہے۔

یہ مطالعہ مصنوعی ذہانت میں استعمال ہونے والے نظاموں اور دماغ کی ماڈلنگ میں کام کرنے والوں کے درمیان ایک دلچسپ ہم آہنگی فراہم کرتا ہے۔ یہ ایک ایسی مثال ہے جہاں "ان مصنوعی نظاموں کے نظریہ نے دماغ میں یادوں کے بارے میں سوچنے کے لیے کچھ نئے تصوراتی خیالات فراہم کیے،" سیکس نے کہا۔

مثال کے طور پر، کمپیوٹرائزڈ چہرے کی شناخت کے نظام کیسے کام کرتے ہیں۔ وہ صارفین کو مختلف زاویوں سے اپنی ہائی ڈیفینیشن تصاویر اپ لوڈ کرنے کا اشارہ دے کر شروع کر سکتے ہیں۔ عصبی نیٹ ورک کے اندر رابطے ایک عام تصور کو یکجا کر سکتے ہیں کہ چہرہ مختلف زاویوں اور مختلف تاثرات کے ساتھ کیسا لگتا ہے۔ لیکن اگر آپ ایک تصویر اپ لوڈ کرتے ہیں "اس میں آپ کے دوست کا چہرہ ہوتا ہے، تو سسٹم ان دونوں کے درمیان چہرے کی پیشین گوئی کی نشاندہی کرنے سے قاصر ہے،" فٹزجیرالڈ نے کہا۔ یہ عامیت کو نقصان پہنچاتا ہے اور نظام کو عام چہرے کو پہچاننے میں کم درست بناتا ہے۔

یہ تصاویر مخصوص ان پٹ نیوران کو چالو کرتی ہیں، اور سرگرمی پھر نیٹ ورک کے ذریعے بہتی ہے، کنکشن کے وزن کو ایڈجسٹ کرتی ہے۔ مزید تصاویر کے ساتھ، ماڈل آؤٹ پٹ کی غلطیوں کو کم کرنے کے لیے نوڈس کے درمیان کنکشن کے وزن کو مزید ایڈجسٹ کرتا ہے۔

لیکن صرف اس وجہ سے کہ ایک تجربہ غیر معمولی ہے اور اسے عام کرنے میں فٹ نہیں ہے، اس کا مطلب یہ نہیں ہے کہ اسے ضائع کر دیا جائے اور اسے بھلا دیا جائے۔ اس کے برعکس، غیر معمولی تجربات کو یاد رکھنا بہت اہم ہو سکتا ہے۔ یہی وجہ ہے کہ دماغ اپنی یادوں کو مختلف زمروں میں ترتیب دیتا ہے جو کہ الگ الگ ذخیرہ کیے جاتے ہیں، قابل اعتماد عمومیات کے لیے نیوکورٹیکس اور مستثنیات کے لیے ہپپوکیمپس استعمال ہوتا ہے۔

میک کلیلینڈ نے کہا کہ اس قسم کی تحقیق "انسانی یادداشت کی کمزوری" کے بارے میں بیداری پیدا کرتی ہے۔ یادداشت ایک محدود وسیلہ ہے، اور حیاتیات کو محدود وسائل کا بہترین استعمال کرنے کے لیے سمجھوتہ کرنا پڑا ہے۔ یہاں تک کہ ہپپوکیمپس میں بھی تجربات کا کامل ریکارڈ موجود نہیں ہے۔ ہر بار جب کوئی تجربہ یاد کیا جاتا ہے، تو نیٹ ورک کے کنکشن وزن میں تبدیلیاں آتی ہیں، جس کی وجہ سے میموری عناصر زیادہ اوسط حاصل کرتے ہیں۔ اس نے ان حالات کے بارے میں سوالات اٹھائے ہیں جن کے تحت "عینی شاہدین کی گواہی کو تعصب اور سوالات کے بار بار ہونے والے حملوں سے متاثر ہونے سے محفوظ رکھا جا سکتا ہے،" انہوں نے کہا۔

ماڈل مزید بنیادی سوالات میں بصیرت بھی پیش کر سکتا ہے۔ "ہم قابل اعتماد علم کیسے پیدا کرتے ہیں اور باخبر فیصلے کیسے کرتے ہیں؟" کہا جیمز انٹونی، کیلیفورنیا پولی ٹیکنک اسٹیٹ یونیورسٹی کے ایک نیورو سائنسدان جو اس مطالعے میں شامل نہیں تھے۔ یہ قابل اعتماد پیشین گوئیاں کرنے کے لیے یادوں کا جائزہ لینے کی اہمیت کو ظاہر کرتا ہے — بہت زیادہ شور مچانے والا ڈیٹا یا غیر معتبر معلومات انسانوں کی تربیت کے لیے اتنی ہی غیر موزوں ہو سکتی ہیں جیسا کہ یہ AI ماڈلز کی تربیت کے لیے ہے۔